人工智能趋势工作人员

我们与众多AI从业者联系,以预测2020年的AI趋势。以下是他们的一些回应:

Neurala首席执行官兼联合创始人Max Versace博士:

Neurala首席执行官兼联合创始人Max Versace

可定制的深度学习方法将成败AI应用程序。传统的深度学习方法可能非常乏味且耗时,原因是需要大量数据,这些数据需要反复训练。此外,数据通常无法在线获得或对一个组织是机密的,因此无法与其他数据结合以创建庞大的AI系统。在2020年,我们将看到用于解决这些挑战的深度学习的新范例和方法的出现。

制造商将走向边缘。随着AI和数据的集中化,制造商被迫向顶级云提供商支付巨额费用,以访问保持系统正常运行的数据。结果,可以在边缘部署和完善的培训AI的新途径将变得更加普遍。随着我们进入新的一年,越来越多的制造商将开始转向边缘以生成数据,最小化延迟问题并减少大量的云费用。通过在需要的地方(在边缘)运行AI,制造商可以维护其数据的所有权。

Ascend的创始人兼首席执行官Sean Knapp:

Ascend创始人兼首席执行官Sean Knapp

AI的命运取决于AI:2010年代因AI狂潮而告一段落-市场炒作和围绕该技术的支出创下历史新高。预计到2021年,全球组织每年在大数据和AI驱动的数字化转型方面的支出将超过1.8万亿美元,但许多组织将努力将这些投资转化为业务成功。这是由于资源和专业知识不足以支持数据计划,难以访问孤立的数据以及快速分析和交付的紧迫性增加。

以前,我们已经看到过这种类型的技术淘金热,除非我们解决当前的核心问题,否则我们注定要失败。AI的命运将取决于AI本身,或者取决于利用自动化来确保AI和大数据项目成功的能力。我希望看到未来十年自动化数据和交付系统的进步将帮助企业提高在整个行业的这些AI和大数据计划中的成功率。

Rana el Kaliouby,博士,Affectiva首席执行官兼联合创始人

到2020年,科技公司(尤其是AI公司)的透明度将更加严格。 消费者开始意识到他们的个人数据被用于公司牟利的事实-最近的数据丑闻和数据隐私黑客事件进一步加剧了这一事实。科技公司(尤其是需要大量数据来推动其深度学习算法的AI公司)对数据的使用并不透明。具体来说,他们如何收集数据,将数据存储在何处,有权访问哪些数据,其用途以及最终对最终用户意味着什么。例如,今天当您在手机上下载新应用时,会看到冗长的点击协议,其中充满法律术语。在这种情况下,尚不清楚您允许的内容。人工智能行业需要重新考虑其教育消费者的方法,并长期认真研究同意是否真正被告知同意。

AI行业必须解决功率不对称问题。有权使用某些类型的AI的人将能够更有效地工作,并对那些无法访问的人产生重大影响。我担心这会对已经处于不利地位的社区和人口产生影响,因为人工智能可能会继续扩大这一差距。在2020年,我们需要创建指导方针,以确保公平地应用AI。人工智能具有改善人们生活和解决社会问题的潜力,但如果我们现在不开始考虑权力分配,我们就有可能以加剧不平等现象的方式将人工智能制度化。

LLamasoft产业战略集团副总裁Madhav Durbha博士:

LLamasoft产业策略小组副总裁Hadhav Durbha博士

增强AI / ML的可操作性产生了商业价值。数据爆炸正处于高峰期,并在所有行业中变得越来越主流-供应链也不例外。明年,AI和ML将超越当前的炒作周期,提供更切实的用例,以提供真实的业务价值。以下是一些将在2020年开始兴起的AI应用的示例:

预测波动性订单模式:订单的预测性是一个重大挑战,在这些情况下,AI模型的表现要高得多。

市场感知:人工智能可以帮助利用外部因果数据的力量,例如天气,GDP,CPI,就业水平和工业生产,将更好的感知能力带入供应链。

降低拒付额:零售商对于全额交付中未按时交付的商品,会对品牌所有者收取巨额罚款。深度学习算法允许筛选关键的装运数据,包括订单类型,时间,数量,位置和运输方式,以识别退款的根本原因并预测故障点。

GDPR和中国的“防火墙”导致了物联网的发展。互联网因民族主义,政治和区域数据立法等因素而分裂和分裂。随着数据所有权在数字世界中变得至关重要,它可以替代其他理事机构在全球范围内发布的类似政策。

缩小数字时代的技能差距。在日益数字化的世界中竞争所需的技能与组织中可用技能之间的差距正在扩大。机器人技术,算法智能和云计算的兴起使得整个供应链专业人士越来越过时。这些技术正在挖空工作范围的中部,将人类推向了需要极高的身体或认知灵活性的边缘。组织正在努力填补的职位包括数据工程师,建模人员和公民数据科学家,以及致力于敏捷方法的领导者。

为了缩小技能差距并将其转变为竞争优势,组织将需要采用新方法-通过在线平台和持续学习来投资提高员工的技能,采用实习和合作计划,促进包容性,通过不同方式轮换员工功能以获取更广阔的视野,并投资于认知自动化以减轻员工的日常工作负担。

Espressive首席执行官Pat Calhoun

聊天机器人将在所有功能中变得至关重要。用于员工自助的聊天机器人将变得不仅与IT有关,而且与组织的每个部门都息息相关。我们最近进行的一项调查的大约62%的受访者正在积极考虑添加聊天机器人,以解决与IT问题相关的员工自助。在员工门户网站上找到答案的时间太长。我们在人力资源相关问题上也得到了类似的结果。

“ Chatbot汤”是不可避免的,这会带来更大的问题。整个组织中聊天机器人的激增可能导致我们“聊天机器人汤”。与门户通常每个部门只有一个门户的门户不同,我们现在看到的是,部门正在为单个应用程序积极部署聊天机器人并支持部门功能。因此,请考虑甲骨文,Workday和SAP。他们每个人都有自己的嵌入式聊天机器人。最重要的是,各部门还部署了自己的聊天机器人。员工可能会感到沮丧;维护所有这些聊天机器人所需的精力水平很高。对于大多数CIO来说,这可能最终成为一场噩梦。

NLP将在2020年激增。自然语言处理(NLP)是一个定义明确的术语。NLP使聊天机器人能够理解某人在表达什么,并能够提供动作或响应。为了获得成功,NLP需要大量数据。Alexa是一个很好的例子。Alexa随着时间的推移变得越来越好的原因是,它每天从数百万使用它的消费者那里学习。亚马逊的一个团队负责提取数据并使用其调整Alexa,以使其随着时间的推移变得更好。对于无法访问亚马逊规模数据的企业,如何做到这一点是一个挑战。

Automation Anywhere的CTO Prince Kohli:

Automation Anywhere首席技术官Kohli Prince

RPA将在全球数据隐私和治理计划中发挥关键作用。伴随着5G的到来和互联设备的爆炸式增长,2020年正逐步成为大数据定义的十年。在这个新时代,我们将面临更大的压力,要求公司对其收集的信息及其使用方式完全透明,GDPR和即将颁布的《加州消费者隐私法案》(CCPA)等立法仅代表数据治理的秘诀。冰山。此外,随着恶意软件越来越多地利用人工智能(AI)来增强识别网络漏洞的能力,智能,安全的僵尸程序将成为防范数据泄露的关键防线。

到2020年底,RPA技能的招聘将遍及所有行业和职位职能。随着在美国开设的5,000多个RPA(机器人流程自动化)职位,我们已经看到对RPA专家的大量需求。在明年,我们预计RPA技能会出现在所有工作角色中,包括开发人员,业务分析师,计划和项目经理等,以及IT,BPO,人力资源,教育,保险,银行等各个领域。结果,职位空缺(和起薪)将激增。

智能(AI驱动)自动化将完全取代基于规则的自动化。尽管现在许多RPA平台都提供了AI功能,但如今RPA和AI被用作两个独立的实体-一个是基于规则的,另一个是自适应的和可预测的。明年,RPA和流程分析将完全注入AI和机器学习(ML),加速流程挖掘和发现,并大大简化这些领域中的人工工作。展望未来,机器人将能够自动识别最佳流程以实现自动化,根据这种见解采取行动并优化整个部署,以确保获得最佳结果。

By 编辑

发表评论

电子邮件地址不会被公开。 必填项已用*标注